基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014～2016年空气污染指数(API)以及SO_2、NO_2、PM_(10)等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

基于IHS-RELM的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出这样复杂的动态变化系统,提出了改进的和声搜索算法(IHS)与正则极速学习机(RELM)相结合的预测方法。对和声搜索算法的基本原理进行了研究,通过采用动态变化的PAR和BW值,优化和声搜索算法的全局搜索能力;利用IHS选取RELM中的输入层权值(IW)和隐含层阈值(B),以均方根误差为目标函数,提高了算法的预测精度。仿真实验结果表明,通过与已有的BP神经网络和SVM预测模型作对比,该方法具有更好的预测效果。     

长良川水质中溶解氧和化学耗氧量预测模型的建立

文章介绍了GMDH(group method of data handling)方法的基本运算法则，运用改进后的GMDH方法，建立长良川溶解氧和化学耗氧量两个水质项目的长期预到模型，模型相关度可达0．96，基本满足要求，并根据模型对水质变化机理进行分析。     

WRF CMAQ模式对常州市空气质量预报效果的评估

基于通用多尺度空气质量模型The Weather Research and Forecasting model coupled with CMAQ(WRF-CMAQ)对常州市2018年6～12月的空气质量预报结果,结合实况资料,进行了预报效果评估,以期为常州市空气质量的预报提供更好的参考。结果表明:(1)模式对常州市各预报时效空气质量指数(AQI)和各污染物浓度的标准化平均偏差(MFB)和标准化分数误差(MFE)均处于"理想水平"范围,能较好的反映实际空气质量变化趋势。(2)当空气质量为优良时,AQI和空气质量等级(AQI等级)预报效果最好,当空气质量达中度及以上污染时,预报效果最差,应进一步优化调整。(3)模式对首要污染物24小时预报准确率为66.9%,当空气质量为轻度污染及以上级别时,预报准确率较高。(4)模式对AQI的预报总体存在负偏差,对细颗粒物(PM_(2.5))浓度的模拟结果较好,对臭氧(O_3)和可吸入颗粒物(PM_(10))存在低估现象,对二氧化硫(SO_2)、二氧化氮(NO_2)和一氧化碳(CO)等3项污染物浓度均有所高估。     

小流域水质评价方法对比研究

为分析小流域水质评价方法的准确度和适应度,以小安溪流域2017年和2018年的监测数据为基础,利用单因子评价法、综合指数评价法、内梅罗污染指数法和加拿大水质指数法进行水质评价,利用等标水质分析的思想对比了四种方法的评价准确度。评价结果显示:单因子评价法更适合评价水质分布较均匀的流域,内梅罗污染指数法要更为客观一些,加拿大水质指数法更适合较大的、评价指标较多的流域。综合指数评价法是最适合小流域水质评价的。其结果为小流域水质评价方法选择提供了借鉴。     

神经网络在空气污染预报中的应用研究

空气污染预报是一项复杂的系统工程，是当今环境科学研究的热点，国内外已有将神经网络法应用于大气污染预报的研究。本论文以PM2．5为例，采用伦敦市PM2．5的小时平均浓度数据，使用传统的BP神经网络建立预报模型，定量预测伦敦市PM2.5的小时平均浓度，探讨了大气污染预报网络的建模过程中，扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响。最后得出结论，适当的选择样本集、气象变量，有利于提高所建立网络模型的预测精度。     

运用4种数值模型分析辽宁省空气质量预报准确率

数值模型是当前空气质量预报的主要方法。基于CMAQ模型、WRF-Chem模型、CMAx模型和REG模型对2017年辽宁省空气质量指数(AQI)的范围和级别预报准确率进行了分析。结果表明:CMAQ模型对辽宁省AQI范围和级别的预报准确率均高于其他3个模型,REG模型准确率均最低,WRF-Chem模型和CMAx模型准确率基本持平;各模型对辽宁省东南部区域的预报准确率整体高于对中部和西部的预报准确率。     

灰色系统动态模型群GM(1,1)在秦淮河水质预测中的应用

为了较为准确预测水质,基于灰色系统理论建立灰色系统动态模型群,采用对数变换的方式对原始数据进行光滑处理,借以减弱数据波动带来的不利影响,是对常规灰色系统动态模型的改进。结合秦淮河上游源头句容河2011～2016年高锰酸盐指数,运用灰色系统动态模型群对2017年高锰酸盐指数进行预测。预测结果表明误差在1.24%以内,表明灰色系统动态模型群GM(1,1)用于水质预测较为准确。该模型可应用于南京市水质预测,对水环境管理具有指导意义。     

增江流域非点源污染模拟研究

构建增江流域非点源污染数据库,包括DEM、土地利用,土壤类型,气象数据等,应用分布式流域水文模型SWAT(Soil andWater Assessment Tool,swat 2009版)对增江流域的非点源污染进行模拟。模型运行阶段为2000-2003年,分别应用2000-2001年和2002-2003年的实测月均流量及硝酸盐氮监测数据对模型的参数率定和验证,采用决定系数R2和Nash-Suttcliffe系数对模拟结果进行评定。其中水文模拟的R2均>0.9,Nash-Suttcliffe模型效率系数均>0.8;硝酸盐氮模拟的R2均>0.7,Nash-Suttcliffe模型效率系数均>0.6,表明SWAT模型在增江流域具有较好的适用性。     

基于多元感知信息融合的电抗器故障声纹诊断研究

为提高电抗器故障诊断准确率,提出一种基于多元感知信息融合的诊断方法。方法通过采用PSO(Particle SwarmOptimization)算法优化LSTM(LongShort-TermMemory)网络的神经元个数与dropout值改进LSTM网络,并利用改进LSTM网络对电抗器故障声纹进行分类识别,实现了电抗器故障诊断。仿真结果表明,采用PSO算法改进LSTM网络,可提高LSTM网络的收敛速度和分类识别精度;采用PSO算法改进LSTM网络模型对电抗器故障声纹进行分类识别,可有效诊断额定预紧力松动、单边夹件松动、双边夹件松动等不同类型的电抗器故障,且具有较高的准确率,平均准确率约为98%;相较于SVM、CNN、BP模型以及标准LSTM网络模型,所提PSO算法改进的LSTM网络模型对电抗器故障声纹诊断的准确率更高,具有明显优势。     

万盛大气污染特征分析及污染预报模型的建立

利用2017年4月1日～2019年3月31日万盛经开区万东北路站点的空气质量日均值监测数据进行分析发现,万盛大气污染具有很强的季节变化特征,冬半年主要污染物为PM_(2.5),夏半年主要污染物为O_3,冬半年污染重于夏半年,颗粒物污染重于O_3污染。万盛污染以轻度污染为主,仅有冬季会出现中度以上污染天气,其首要污染物均为PM_(2.5)。利用多元回归模型和差分自回归移动平均模型(ARIMA)建立了万盛PM_(2.5)、PM_(10)与O_3的预报模型。通过对模型得出的预报值与实况值的比较来看,预报与实况的变化趋势基本一致,均可以较好的指示未来AQI的变化趋势。多元回归预报模型中,O_3的预报效果要远好于PM_(2.5)和PM_(10);而ARIMA预报模型三者预报效果接近。总体来说,ARIMA (p,d,q)预报模型对颗粒物污染的预报效果要远好于多元回归预报模型,而O_3则两种模型预报效果接近。     

灰色预测模型GM（1,1）在地面水质预测中的应用

本文将地面水质视作灰色系统,对某河段的化学耗氧量(COD),生化耗氧量(BOD_5)用灰色预测模型GM(1,1)进行建模、预测。最大误5.2％,平均误差小于0.2％,模型精度高。建模需要的数据较少,对数据的分布无特殊要求,方法和计算简单,实用价值大,是地面水质预测预报的一种有效方法。     

水资源利用与污染预测

1 用水预测 1.1 工业用水预测工业用水预测采用指数模型,在现状工业用水水平上根据历年工业用水水平进行预测。其基本假定为工业用水结构在近十年内不发生显著变化,随着工业经济的发展,工业技术进步和节水措施的实施预测工业用水的趋势性水平。指数增长模型为时序模型,基本形式为A(t)=A_o(1+a)~t     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

开州汉丰湖流域土地利用格局与水质相关性分析

选取位于长江三峡水库小江支流回水末端的汉丰湖流域为研究对象,运用Arc GIS空间分析与统计分析方法,分析了汉丰湖流域河岸在不同缓冲区尺度的土地利用格局,并建立了河岸不同尺度缓冲区内土地利用与河流水质的关联。结果表明:(1)林草地在各个缓冲区尺度内均对COD、NH_3-H、TN、TP具有一定的削减作用,对水体质量保护起着积极作用。(2)建设用地、耕地在各个尺度缓冲区内与COD、NH_3-H、TN、TP呈正相关,表明建设用地、耕地比重的增加会对水质保护产生负面影响。(3)建议为降低城市化进程对环境的负面影响,应优化区域土地利用格局,合理规划河岸带,特别是500m范围内的城市缓冲带。     

福建省台湾入境游客市场预测模型分析

随着海峡两岸旅游区的发展,对台湾旅游市场进行预测可以更好地帮助福建省制定对台旅游发展战略和市场开发模式。通过对目前较为实用的两种预测模式——回归分析和灰色预测进行分析比较得出指数模型在游客预测中的优越性,从而得出相应的预测模型。对未来几年游客量进行预测,从定量分析的角度对福建省开展对台旅游提出依据。     

青藏铁路沿线风沙指数预报方法研究

文章利用欧洲数值预报产品和青藏铁路沿线海晏到当雄12个气象站日最大风速资料,采用完全预报方法设计思路,以逐步回归为因子分析方法,研制了一套应用欧洲数值预报模式输出、适用于铁路沿线风沙指数预报的完全预报方法,从2007年10月进行了业务试运行。检验和业务试用结果均表明:该方法对铁路沿线风沙指数具有较强的预报能力,用完全预报方法做风沙指数预报是可行的,并有一定的实用价值。     

流域非点源水污染排放清单估算系统构建

基于流域水质改善与水环境管理需求,结合目前流域非点源水污染排放存在的问题,本研究采用SOA-B/S架构,运用MVC6和GIS与环境模型集成关键技术,构建流域非点源水污染排放清单估算系统,并系统梳理了地形数据、污染源环境统计数据、气象数据等基础信息,采用基于输出系数法的非点源水污染负荷估算模型,实现了对全年及年内各分水期非点源水污染排放清单的处理分析和估算。系统通过数据库、GIS平台、模型集成和业务系统建设,实现了对不同时间和空间尺度下不同地区的非点源水污染负荷估算,推进了流域非点源污染排放的信息化、科学化及可视化管理,为决策者制定流域水环境管理措施和方案提供了有力的技术支持。     

平原县土地资源城镇人口承载力分析及预测研究

基于近些年德州市平原县粮食和耕地变化情况,采用土地资源承载指数(LCCI)模型分析了其城镇人口承载力现状,运用逻辑斯蒂模型和三次指数平滑预测模型预测2016—2020年平原县粮食产量、耕地面积和土地资源城镇人口承载力。研究表明:平原县土地资源城镇人口承载力处于富富有余状态,土地资源城镇承载指数(LCCI)长期处在0.08以下,粮食自给率较高,具有较大的发展空间。预测到2020年土地承载力指数达到0.13,富富有余状态略有减弱。